Locaible 实战：在 Cursor 中运行本地 AI Agent 的完整教程
痛点：Cursor 虽好，但代码全都去了云端
如果你在使用 Cursor，应该已经习惯了 AI 补全、聊天、内联编辑带来的效率提升。但有一个问题始终让人不安：每次聊天，你的代码片段都会通过 Cursor Pro 发送到 Anthropic 或 OpenAI 的云端服务器。
对于个人项目，这或许无所谓。但如果你在以下场景工作：
- 合规敏感行业：金融、医疗、国防——数据不能出本地
- 客户项目：签了 NDA，源码不能传输到第三方
- GDPR 管辖区域：Article 28 要求数据处理者必须受合同约束
那么 Cursor 的云端路线就成了一个无法忽视的合规隐患。
Locaible 的出现直击这个痛点——它让 Cursor（以及 Continue.dev）完全运行在本地，所有代码流量终止于 127.0.0.1，同时提供预调优的编码 Agent 市场。
本地 vs 云端：一张表看清差异
| 对比维度 | Cursor Pro 云端 | Cursor + Locaible 本地 |
|---|---|---|
| 代码传输 | 代码片段发送到 Anthropic/OpenAI | 全部停在本地 127.0.0.1 |
| 模型选择 | 由 Cursor 后端决定 | 自由选择本地模型（Qwen3 / DeepSeek-Coder / CodeLlama） |
| 数据隐私 | 依赖服务商数据策略 | CISO 和 DPO 可直接审计——无出站流量 |
| 预调 Agent | 无 | 法律审查 / 代码审查 / 技术支持等专用 Agent |
| Cursor 原生体验 | 完整 | 聊天、内联编辑、索引均正常 |
| Tab 补全 | 云端 | Cursor 自家云端补全（未 offload） |
安装 Locaible 并配置本地 Agent
1. 下载并安装 Locaible
访问 locaible.com/cursor 下载对应平台的安装包。Locaible 免费版支持 3 个 Agent 和 1 台设备——足够完整体验整个流程。
首次启动时，Locaible 会自动安装 Ollama，所以无需手动配置本地模型运行时。
2. 选择一个本地模型
Locaible 安装 Ollama 完成后，你就可以下载适合自己硬件的模型：
| 模型 | 硬件要求 | 适用场景 |
|---|---|---|
qwen3:8b | 8 GB VRAM | 日常迭代、快速问答 |
qwen3:14b | 16 GB VRAM | 严肃重构、代码审查 |
deepseek-coder:33b | 48 GB VRAM | 深度理解、复杂推理 |
💡 不熟悉 Ollama？直接用
ollama pull qwen3:8b即可下载模型，Locaible 会自动发现。
3. 启动本地 API
在 Locaible 的设置中：Settings → Local API → Start。
Locaible 会在 127.0.0.1:11435 绑定一个兼容 OpenAI 规范的 API 服务，并将你的 Agent 暴露为虚拟模型。验证是否启动成功：
curl http://localhost:11435/v1/models
你应该看到类似这样的响应：
{
"object": "list",
"data": [
{ "id": "atlas", "object": "model", "owned_by": "locaible" },
{ "id": "code-reviewer", "object": "model", "owned_by": "locaible" }
]
}
4. 配置 Cursor 指向本地端点
在 Cursor 的设置中找到 Models 部分：
- 将 OpenAI Base URL 设为
http://localhost:11435/v1 - API Key 填入任意非空字符串（Locaible 不验证）
- 在模型下拉菜单中输入你的 Agent 名称（如
atlas），选择它
配置完成后，Cursor 的聊天流量就会全部走本地通道。你在 Cursor 中输入的每条 Prompt，都会经过 qwen3:8b 而非 Anthropic 的云端。
5. 可选：配置 Continue.dev
如果你更倾向 Continue.dev 完全开源的方案，配置同样直接。编辑 ~/.continue/config.json：
{
"models": [
{
"title": "Locaible · Atlas",
"provider": "openai",
"model": "atlas",
"apiKey": "noop",
"apiBase": "http://localhost:11435/v1"
}
]
}
Continue.dev 还支持本地 Tab 自动补全（通过 Ollama），这是 Cursor 做不到的——Cursor 的 Tab 补全始终走云端。
Locaible 预调 Agent 详解
Locaible 的 Marketplace 提供了几个开箱即用的编码 Agent：
Atlas（法律合规 Agent）
专为需要追踪许可证、合规条款和法律风险的项目设计。它可以理解 SPDX 许可证表达式、检查依赖树中的许可证冲突、识别代码库中的专有代码片段。在涉及客户 NDA 和合规审计的场景下，Atlas 能替代人工检查依赖合规的大部分工作。
Code Reviewer（OWASP 感知的安全审查 Agent）
这个 Agent 搭载了 OWASP Top 10 知识库，在代码审查时会额外关注安全风险：SQL 注入、XSS、敏感信息泄露、不安全的反序列化等。对于安全敏感项目，它比通用模型的代码审查更专注——不会把时间浪费在格式问题上。
Tech Support（L2/L3 运维 Agent）
绑定企业内部 L2/L3 Runbook 的专用 Agent。当你需要排查生产环境问题时，它会先读取 Runbook 中的标准诊断流程，再结合代码库上下文给出建议。
这些 Agent 在 Cursor 的模型菜单中显示为独立模型选项。切换 Agent 只需要在下拉菜单中选另一个模型名——它们各自的 System Prompt 和 RAG 知识库会自动生效。
生产级技巧：用 .cursorrules 锁定本地策略
如果团队中有多人协作，确保所有人都使用本地端点可以靠一个 .cursorrules 文件来规范化。在项目根目录创建：
这个文件既能指导团队成员（尤其是新加入的），也能在你切换到其他项目时提醒你恢复配置。
局限性：坦诚地看
Locaible 不是万能的。以下几点需要了解：
- Tab 自动补全无法 offload：Cursor 的 Tab 补全始终使用 Cursor 自家云端模型，Locaible 只接管聊天和编辑流量。如果需要完整的本地补全，请使用 Continue.dev 替代 Cursor。
- 模型能力依赖于硬件：本地模型（8B-14B）的能力天花板远低于云端 GPT-4 或 Claude Opus。复杂架构设计和多文件重构时，本地模型可能力不从心。
- Agent 生态仍在早期：Marketplace 中的预调 Agent 目前只有 3 个，覆盖范围有限。自定义 Agent 需要手动编写 System Prompt 和 RAG 配置。
- 只支持 macOS 和 Linux：Windows 用户暂时需要 WSL2 来使用。
总结
Locaible 解决了一个真实且普遍的痛点：如何在享受 Cursor 开发体验的同时，确保代码不离开本地。对于合规敏感场景（金融、医疗、国防、客户 NDA 项目），它提供了一个实用的中间方案——既保留了 Cursor 的 UI 和 UX，又将 AI 推理流量完全本地化。
如果你正在为数据隐私发愁但又不想放弃 Cursor 的效率，Locaible 值得一试。从下载到配置完成，10 分钟内就能让你的 Cursor 变成一台本地 AI 编码工作站。